微軟AI診斷系統MAI-DxO（簡稱DxO）喺複雜病例模擬中診斷準確率達83%，個別使用參考資料嘅全科／一般內科醫生為36%，無參考資料則約22%。研究於週四（10月22日）刊於《Science》，微軟AI CEO Mustafa Suleyman稱此為邁向「醫療超智能」一步。
測試設計同比較對象
DxO協調多個AI agent，佢哋扮演醫生面板：提問、安排化驗、就診斷辯證。研究用咗兩類病例：
- 來自《新英格蘭醫學雜誌》（NEJM）多篇報告嘅複雜病例：DxO準確率約83%
- 來自波士頓Beth Israel Deaconess Medical Center急症入院數據嘅病例：DxO準確率80%，人類醫生平均47%
但要留意：呢類複雜病例實際通常由專科醫生或醫療團隊處理，而專科醫生及團隊並冇被納入比較。比較對象係個別行醫嘅全科醫生。
成本數據
研究同時量度咗每宗病例嘅AI運行成本：
- GPT-5獨立處理（簡短提示）：複雜病例準確率78.9%，每宗約8,400美元
- 加上DxO編排：成本減約3,000美元，準確率升約4個點
- GPT-5.5（2026年4月推出）+ DxO：複雜病例準確率由72%升至近87%，成本略低
研究數據亦顯示，大部分提升來自更強大底層模型，DxO編排系統喺其上附加額外增益。微軟以OpenAI、Google、Anthropic、Meta、DeepSeek嘅模型測試過DxO，最佳結果來自GPT-5及GPT-5.5。舉例：Gemini 2.5 Flash獨立得分46.4%，加上DxO升至近69%，但模型之間差距仍大過DxO提供嘅增益。
侷限性
微軟承認技術離廣泛部署仍有很長路：系統只喺過去病例上測試過，實際臨床表現未明。Suleyman指「需要臨床驗證，這是一個躍升，但係這段旅程嘅重大里程。」
微軟計劃將測試案例編為基準SDBench並開源。研究亦由DxO初建時嘅GPT-4.1時代發展至今，研究者表示後續測試顯示模型能力提升「未必會削弱多agent協作嘅效益」。
微軟AI健康副總裁Dominic King就醫療專業供需失衡發表評論，稱當前醫療交付最大挑戰係醫療專業需求同供應日益擴大嘅錯配。
模姐驗嚇貨：83%對36%呢個差距聽落震，但比較對象係「個別全科醫生」，唔係專科團隊。研究數據自己亦講明大部分提升來自底層模型而非編排系統。開源SDBench係正面嘅，值得跟進。
模姐｜深度調教
